Java中Random详解

阳光穿透心脏的1/2处 2021-09-25 11:38 471阅读 0赞

**目录**

伪随机

什么是伪随机数？

Java随机数产生原理：

Java中常见生成随机数的几种方式

Math.random()

Random

Random的两种构造方法：

种子的作用数什么？

小结

ThreadLocalRandom

SecureRandom

总结

参考资料

--------------------

# 伪随机 #

## 什么是伪随机数？ ##

1.伪随机数是看似随机实质是固定的周期性序列,也就是有规则的随机。

2.只要这个随机数是由确定算法生成的,那就是伪随机,只能通过不断算法优化,使你的随机数更接近随机。(随机这个属性和算法本身就是矛盾的)

3.通过真实随机事件取得的随机数才是真随机数。

## Java随机数产生原理： ##

Java的随机数产生是通过线性同余公式产生的,也就是说通过一个复杂的算法生成的。

伪随机数的不安全性：

Java自带的随机数函数是很容易被黑客破解的,因为黑客可以通过获取一定长度的随机数序列来推出你的seed,然后就可以预测下一个随机数。

# Java中常见生成随机数的几种方式 #

Java中常见生成随机数方式通常会采用以下几类：Math.random()、Random、ThreadLocalRandom、SecureRandom 如果想要详细了解这三个类，可以查看对应Java API。

## Math.random() ##

调用这个Math.Random()函数能够返回带正号的double值,取值范围是\[0.0,1.0),在该范围内（近似）均匀分布。因为返回值是double类型的,小数点后面可以保留15位小数，所以产生相同的可能性非常小,在这一定程度上是随机数。

## Random ##

Random r1 = new Random(); Random r2 = new Random(); Random r3 = new Random(10); Random r4 = new Random(10);

### Random的两种构造方法： ###

Random():使用一个和当前系统时间对应的相对时间有关的数字作为种子数。Random(long seed):直接传入一个种子数。

### 种子的作用数什么？ ###

种子就是产生随机数的第一次使用值,机制是通过一个函数,将这个种子的值转化为随机数空间中的某一个点上,并且产生的随机数均匀的散布在空间中。以后产生的随机数都与前一个随机数有关。

种子数只是随机算法的起源数字，和生成的随机数字的区间没有任何关系。

Random r1 = new Random(); Random r2 = new Random(); //无参构造使用的是参数作为种子数 Random r3 = new Random(100); Random r4 = new Random(100); //产生随机数调用nextXXX()方法 System.out.println(r1.nextInt(10)); System.out.println(r1.nextInt(10)); System.out.println(r2.nextInt(10)); System.out.println(r2.nextInt(10)); System.out.println("-----------------"); System.out.println(r3.nextInt(10)); System.out.println(r3.nextInt(10)); System.out.println(r4.nextInt(10)); System.out.println(r4.nextInt(10));

输出：

7 2 0 8 ----------------- 5 0 5 0

### 小结 ###

1.  java.util.Random类中实现的随机算法是伪随机，也就是有规则的随机，所谓有规则的就是在给定种(seed)的区间内随机生成数字；
2.  相同种子数的Random对象，相同次数生成的随机数字是完全相同的；
3.  Random类中各方法生成的随机数字都是均匀分布的，也就是说区间内部的数字生成的几率均等；

## ThreadLocalRandom ##

这个类是Java7新增的类，给多线程并发生成随机数使用的。为什么ThreadLocalRandom要比Random快呢，这是因为Random在生成随机数的时候使用了CAS（compare and set），但是ThreadLocalRandom却没有使用。

下面是java.util.Random的生成随机数的方法：

protected int next(int bits) { long oldseed, nextseed; AtomicLong seed = this.seed; do { oldseed = seed.get(); nextseed = (oldseed * multiplier + addend) & mask; } while (!seed.compareAndSet(oldseed, nextseed)); return (int)(nextseed >>> (48 - bits)); }

seed 是一个全局变量：

/** * The internal state associated with this pseudorandom number generator. * (The specs for the methods in this class describe the ongoing * computation of this value.) */ private final AtomicLong seed;

多个线程同时获取随机数的时候，会竞争同一个seed，导致了效率的降低。

可见，其中通过CAS方式保证其线程安全性。这在高并发的环境中由于线程间的竞争必然带来一定的性能损耗。

ThreadLocal此时就派上用场了，ThreadLocalRandom是通过ThreadLocal改进的用于随机数生成的工具类，每个线程单独持有一个ThreadLocalRandom对象引用，这就完全杜绝了线程间的竞争问题。

另外ThreadLocalRandom的实例化比较特别，下面简单举例一下。

ThreadLocalRandom threadLocalRandom = ThreadLocalRandom.current(); int a = threadLocalRandom.nextInt(5);

由于是和线程绑定的，所以他也是从当前线程获取的。

## SecureRandom ##

在需要频繁生成随机数，或者安全要求较高的时候，不要使用Random，这个很好理解吧，从我们最开始的介绍中可以知道，Random生成的值其实是可以预测的。

内置两种随机数算法，NativePRNG和SHA1PRNG，看实例化的方法了。通过new来初始化，默认来说会使用NativePRNG算法生成随机数，但是也可以配置-Djava.security参数来修改调用的算法。如果是/dev/\[u\]random两者之一就是NativePRNG，否则就是SHA1PRNG。

在 jvm 启动参数这样加就好了，-Djava.security=file:/dev/urandom。

当然还可以通过getInstance来初始化对象，有一个参数的，直接传一个算法名就行，如果不存在算法抛异常；另外有两个参数的，第二个参数还可以指定算法程序包。下面来看下实现代码。

SecureRandom secureRandom = new SecureRandom(); SecureRandom secureRandom3 = SecureRandom.getInstance("SHA1PRNG"); SecureRandom secureRandom2 = SecureRandom.getInstance("SHA1PRNG", "SUN");

当然我们使用这个类去生成随机数的时候，一样只需要生成一个实例每次去生成随机数就好了，也没必要每次都重新生成对象。另外，这个类生成随机数，首次调用性能比较差，如果条件允许最好服务启动后先调用一下nextInt()。

另外，实际上SHA1PRNG的性能将近要比NativePRNG的性能好一倍，synchronized的代码少了一半，所以没有特别重的安全需要，尽量使用SHA1PRNG算法生成随机数。

# 总结 #

1、单机中如果对安全性要求不高的情况下，使用 Random；对安全性要求高，就用 SecureRandom；

SecureRandom里有两种算法，SHA1PRNG 和 NativePRNG，SHA1PRNG的性能好，但是NativePRNG的安全性高。

2、Random 是线程安全的，用CAS来保持，但是性能比不高，所以多线程中，尽量使用 java并发包里的 ThreadLocalRandom，

避免了线程之间的竞争导致的性能问题

# 参考资料 #

[Java中生成随机数Random、ThreadLocalRandom、SecureRandom、Math.random()][Java_Random_ThreadLocalRandom_SecureRandom_Math.random]

[为什么说Java中的随机数都是伪随机数？][Java]

[Java_Random_ThreadLocalRandom_SecureRandom_Math.random]: https://blog.csdn.net/qq_33101675/article/details/81028210
[Java]: https://www.cnblogs.com/greatfish/p/5845924.html